Series Từ số hóa đến AI #1: Lộ trình chuẩn bị dữ liệu, Dashboard và AI

I. Bốn tầng năng lực từ số hóa đến AI

Bốn tầng dưới đây không phải bốn dự án tách rời. Chúng là một chuỗi năng lực liên kết với nhau.

1. Số hóa: thay đổi cách vận hành, không chỉ thay giấy bằng màn hình

Nếu một biểu mẫu giấy được chuyển nguyên trạng thành form điện tử nhưng người dùng vẫn nhập cho có, báo cáo vẫn tổng hợp thủ công và trách nhiệm vẫn không rõ, nhà máy mới chỉ đổi công cụ.

Số hóa đúng cần làm cho một quy trình cụ thể tốt hơn. Chẳng hạn, số hóa bảo trì phải giúp nhà máy biết:

• Ai tạo yêu cầu, ai đánh giá mức độ ưu tiên và ai được giao việc.
• Thiết bị nào gặp sự cố, dừng từ lúc nào đến lúc nào.
• Nguyên nhân, hành động xử lý và phụ tùng sử dụng là gì.
• Công việc có hoàn thành đúng hạn hay không.
• Lịch sử thiết bị có thể được tìm lại và phân tích hay không.

Trong sản xuất, số hóa không nên dừng ở việc nhập sản lượng cuối ca. Hệ thống cần giúp theo dõi kế hoạch, trạng thái lệnh, sản lượng thực tế, dừng máy, lỗi chất lượng và tiến độ theo ca, dây chuyền hoặc công đoạn.

2. Dữ liệu hóa: làm cho hoạt động có thể đo, so sánh và phân tích

Một nhà máy có thể đã dùng phần mềm nhưng vẫn chưa dữ liệu hóa tốt. Ví dụ, phiếu bảo trì có rất nhiều nhưng phần mô tả thường chỉ ghi “máy hư” hoặc “đã sửa”. Dữ liệu như vậy có giá trị lưu hồ sơ, nhưng gần như không đủ để phân tích lỗi lặp lại, MTTR, MTBF hay hiệu quả của bảo trì phòng ngừa.

Dữ liệu hóa đòi hỏi hoạt động được ghi nhận với đủ ngữ cảnh. Một sự kiện dừng máy tối thiểu cần gắn với máy, dây chuyền, thời gian, ca, lệnh sản xuất, nhóm nguyên nhân, người xác nhận và ảnh hưởng. Một lỗi chất lượng cần gắn với sản phẩm, lô, công đoạn, máy, ca, loại lỗi, mức độ, nguyên nhân và hành động.

Mục tiêu không phải là thu thập mọi thứ. Mục tiêu là thu thập đủ dữ liệu để thay đổi một quyết định vận hành.

3. Dashboard: tạo một nguồn sự thật chung cho quản lý

Dashboard không chỉ là biểu đồ đẹp. Dashboard vận hành cần được kết nối với nguồn dữ liệu đủ tin cậy, cập nhật đủ nhanh và thiết kế theo quyết định của người dùng.

Một dashboard tốt phải giúp trả lời những câu hỏi như:

• Hôm nay sản xuất có đạt kế hoạch không?
• Dây chuyền nào đang có nguy cơ trễ?
• OEE giảm do Availability, Performance hay Quality?
• Máy nào đang gây tổng thời gian dừng lớn nhất?
• Công việc PM nào quá hạn và vì sao?
• Loại lỗi nào đang tăng bất thường?

Khi tất cả bộ phận nhìn cùng một số liệu, cuộc họp có thể chuyển từ tranh luận “số nào đúng” sang thống nhất “hành động nào cần làm”.

4. AI: lớp hỗ trợ phía trên dữ liệu và tri thức

AI có thể hỗ trợ nhiều việc trong nhà máy: phân tích xu hướng, phát hiện bất thường, tóm tắt báo cáo, gợi ý nguyên nhân, tìm tài liệu, trả lời từ manual và SOP, hoặc dự báo rủi ro trong những điều kiện phù hợp.

Nhưng AI không thay thế hệ thống vận hành nền. Nếu dừng máy không được ghi đúng, AI khó phân tích nguyên nhân. Nếu SOP có ba phiên bản khác nhau, AI Copilot có thể trả lời từ bản cũ. Nếu người dùng không xác nhận dữ liệu, kết quả thông minh đến đâu cũng khó được tin dùng.

Trong giai đoạn đầu, AI nên đóng vai trò hỗ trợ và gợi ý. Các quyết định ảnh hưởng đến an toàn, chất lượng, sản xuất và chi phí vẫn cần người có thẩm quyền xác nhận.

II. Nhà máy nên bắt đầu từ vấn đề nào?

Không có một bộ phận khởi đầu phù hợp cho mọi nhà máy. Điểm bắt đầu tốt thường nằm ở giao điểm của ba yếu tố:

1. Vấn đề đủ đau: gây dừng máy, trễ tiến độ, lỗi chất lượng, chi phí cao hoặc mất nhiều thời gian.
2. Dữ liệu có thể thu thập: không nhất thiết đã hoàn hảo, nhưng có thể thiết kế cách ghi nhận đáng tin.
3. Có người dùng và người sở hữu: một bộ phận thật sự cần kết quả và một quản lý chịu trách nhiệm sử dụng dữ liệu.

III. Sáu điều kiện để một sáng kiến số hóa có cơ hội thành công

Bài toán phải cụ thể

“Chuyển đổi số toàn nhà máy” không phải là một use case. “Giảm thời gian tổng hợp báo cáo sản xuất của dây chuyền A từ bốn giờ xuống dưới 30 phút” là một use case rõ hơn.

Quy trình phải đủ rõ

Không cần hoàn hảo, nhưng phải thống nhất được các bước chính, vai trò, dữ liệu bắt buộc, điểm duyệt và định nghĩa “hoàn thành”. Nếu mỗi ca hiểu một kiểu, phần mềm chỉ lưu lại sự không thống nhất đó.

Dữ liệu phải có chủ sở hữu

IT không thể tự quyết mã lỗi nào đúng hay phiếu bảo trì đã đủ thông tin chưa. Bộ phận nghiệp vụ phải sở hữu ý nghĩa và chất lượng dữ liệu; IT chịu trách nhiệm nền tảng, tích hợp, bảo mật và vận hành kỹ thuật.

Người dùng phải nhận lại lợi ích

Kỹ thuật viên nhập lịch sử sửa chữa thì cần tìm lại được lịch sử và tài liệu. Trưởng ca ghi nhận dừng máy thì cần dashboard ca. Quản lý yêu cầu nhập dữ liệu thì phải dùng dữ liệu đó trong họp và phản hồi.

KPI phải có baseline

Trước khi triển khai, cần ghi nhận mức hiện tại. Không có baseline, nhà máy rất khó chứng minh hiệu quả sau ba hoặc sáu tháng.

Phạm vi phải mở rộng được

Pilot nên nhỏ nhưng kiến trúc không được đóng. Mã thiết bị, phân quyền, API, cách tổ chức dữ liệu và mô hình quản trị phải đủ để mở rộng sang dây chuyền hoặc nhà máy khác.

IV. Roadmap 3-6-12 tháng tham khảo

Trong 3 tháng đầu: nhìn rõ hiện trạng và chứng minh một giá trị nhỏ

Mục tiêu không phải triển khai thật nhiều chức năng. Mục tiêu là xác định đúng bài toán, tạo dữ liệu tốt hơn và đưa một công cụ vào sử dụng thật.

Các việc trọng tâm:

• Đánh giá hiện trạng quy trình, dữ liệu, hệ thống và mức sẵn sàng của người dùng.
• Liệt kê 3-5 nỗi đau vận hành có thể đo được.
• Chọn một pilot trong phạm vi một dây chuyền, một nhóm thiết bị hoặc một quy trình.
• Chuẩn hóa dữ liệu tối thiểu phục vụ pilot.
• Thiết lập baseline và KPI chấp nhận.
• Đưa dashboard hoặc quy trình số vào cuộc họp vận hành định kỳ.

Kết quả mong đợi là có người dùng thật, dữ liệu thật và bài học thật, không chỉ một bản demo.

Đến tháng thứ 6: ổn định quy trình và mở rộng có kiểm soát

Sau khi pilot chứng minh giá trị, nhà máy có thể:

• Điều chỉnh quy trình theo phản hồi hiện trường.
• Mở rộng sang thêm thiết bị, ca, dây chuyền hoặc nhóm người dùng.
• Kết nối một số luồng dữ liệu quan trọng giữa ERP, CMMS, MES, Excel hoặc thiết bị.
• Thiết lập chủ sở hữu dữ liệu và quy tắc kiểm soát chất lượng.
• Chuẩn hóa dashboard cho các cấp trưởng ca, trưởng bộ phận và ban giám đốc.
• Bắt đầu một use case AI rủi ro thấp nếu nền tảng phù hợp, chẳng hạn tra cứu tài liệu hoặc tóm tắt báo cáo.

Đến tháng thứ 12: hình thành năng lực số có thể lặp lại

Sau một năm, mục tiêu nên được mô tả bằng năng lực, không chỉ bằng số module đã mua. Ví dụ:

• Dừng máy được phân loại và phân tích trong vòng 24 giờ.
• Trưởng ca sử dụng dashboard hằng ngày.
• Bảo trì có lịch sử đủ để xác định lỗi lặp lại và điều chỉnh PM.
• Tài liệu kỹ thuật được quản lý tập trung, có phiên bản và quyền truy cập.
• Một hoặc hai use case AI đã được kiểm chứng bằng KPI, có quy trình xác nhận của con người.
• Nhà máy có nhóm nòng cốt nội bộ để duy trì và mở rộng hệ thống.

V. Khi nào nên chuyển từ dashboard sang AI?

Dashboard phù hợp khi nhà máy cần trả lời “đang xảy ra chuyện gì”. AI phù hợp hơn khi cần hỗ trợ trả lời “vì sao”, “xu hướng nào”, “tài liệu nào liên quan” hoặc “điểm nào nên ưu tiên”.

Nên cân nhắc AI khi:

• Dữ liệu đầu vào đủ tin cậy và có lịch sử phù hợp.
• Câu hỏi nghiệp vụ đã rõ, không phải mục tiêu chung chung.
• Có một bước phân tích, tìm kiếm hoặc phân loại đang tốn nhiều thời gian.
• Có người chịu trách nhiệm kiểm tra đầu ra.
• Giá trị có thể đo bằng thời gian, độ chính xác, rủi ro hoặc KPI vận hành.

Chưa nên dùng AI nếu vấn đề có thể giải quyết tốt bằng việc chuẩn hóa quy trình, một cảnh báo theo ngưỡng, một dashboard đúng hoặc đào tạo người dùng.

VI. Bảy sai lầm thường làm dự án mất giá trị

1. Mua công nghệ trước khi xác định vấn đề vận hành.
2. Phạm vi quá rộng, nhiều bộ phận nhưng không có người sở hữu.
3. Số hóa chồng lên giấy và Excel mà không bỏ bước cũ.
4. Thu thập quá nhiều dữ liệu nhưng không gắn với quyết định.
5. Đánh giá thành công bằng go-live thay vì mức sử dụng và KPI.
6. Xem chất lượng dữ liệu là việc riêng của IT.
7. Gọi mọi dashboard hoặc chatbot là AI mà không làm rõ dữ liệu, quy trình và giá trị.

VII. Checklist dành cho ban lãnh đạo trước khi phê duyệt đầu tư

• Vấn đề vận hành cụ thể là gì và hiện gây thiệt hại ra sao?
• Người dùng trực tiếp là ai, họ sẽ thay đổi công việc nào?
• Dữ liệu cần thiết đang ở đâu, ai chịu trách nhiệm?
• Baseline và KPI sau 3-6 tháng là gì?
• Phạm vi pilot có đủ nhỏ để kiểm soát và đủ lớn để có ý nghĩa không?
• Khi thành công, giải pháp có thể mở rộng bằng cách nào?
• Dữ liệu có xuất được, có API và có cơ chế phân quyền, log, backup không?
• Với AI, ai kiểm chứng câu trả lời và xử lý khi AI sai?

VIII. Câu hỏi thường gặp

Nhà máy còn dùng nhiều Excel có thể bắt đầu AI không?

Có thể bắt đầu chuẩn bị, nhưng không nên coi Excel rời rạc là nền tảng AI lâu dài. Hãy chọn một use case, chuẩn hóa dữ liệu liên quan và chuyển dần những file vận hành quan trọng thành quy trình số có nguồn dữ liệu rõ.

Có phải làm sạch toàn bộ dữ liệu trước khi triển khai?

Không. Nên làm sạch theo use case. Nếu mục tiêu là giảm dừng máy, hãy ưu tiên danh mục thiết bị, thời gian dừng, nhóm nguyên nhân và phiếu bảo trì của phạm vi được chọn.

Nhà máy có cần kết nối PLC, SCADA hoặc IoT ngay không?

Không phải mọi use case đều cần. AI Copilot tài liệu, phân tích lịch sử bảo trì hoặc dashboard từ dữ liệu quy trình có thể bắt đầu trước. Kết nối tự động nên được đầu tư khi dữ liệu cần nhanh, liên tục và khó nhập tay đáng tin cậy.

Dashboard có phải là AI không?

Không. Dashboard hiển thị và theo dõi dữ liệu theo logic đã thiết kế. AI có thể hỗ trợ phân tích, tìm mẫu, gợi ý, dự báo hoặc hỏi đáp, nhưng cần nền dữ liệu và quy trình phía dưới.

Bước nhỏ nhất có giá trị trong tháng đầu là gì?

Chọn một vấn đề vận hành đang gây đau, đo baseline, xác định dữ liệu tối thiểu và thử một phạm vi nhỏ với người dùng thật. Một dashboard hoặc quy trình số dùng được hằng ngày có giá trị hơn một kế hoạch AI quá rộng.